浅析小波分析红外图像增强技术在电机故障检测中的应用

张明志

摘 要：传统的红外图像在电机故障中的检测，普遍存在图像不清晰的问题，造成电机故障点的获取较为困难，无法及时对发生故障的电机进行问题检测和分析工作。本文首先介绍了电机故障检测的概述和图像的小波分析原理，进而提出了红外图像的特征增强方法，最后详细分析了电机故障检测的小波分析红外图像增强技术应用，实现电机故障点的较早检测，及时处理故障电机出现的问题。

关键词：电机故障检测；小波分析；红外图像

1 电机故障检测的概述

从本质上讲，电机的故障检测技术属于模式分类问题的范畴，是将电机的运行状态区分为正常和异常的两类。在电机故障检测的整个过程，是由信号采集、信号处理和故障诊断三个环节组成的。其中，电机故障的诊断技术要从电机的症状入手，分析电机运行时产生的各种信号，这些信号代表了电机的实际运行状态，对这些具有明显特征的信号进行分析研究。所以，信号采集技术是电机故障检测的基础和前提，只有结合信号采集技术，获得电机的实际运行状态信号，才能够继续电机的故障分析工作。

2 图像的小波分析原理

小波分析处理方法是指通过对电机异常信号的检测，分析电机的震动是否异常，进而可以判断出电机是否出现故障。通过图像的小波分析，能够为电机故障的检测提供有用的信号处理依据，是一种重要的电机故障检测工具。图像的小波分析技术不仅能够对平稳的信号进行分析，还能应用于非平稳信号的处理范畴。从图像信号的角度来讲，小波本身就具有很强的图像分解性能，通过小波分析能够将一幅图像分解成为高频图像和低频图像。小波图像分析作为一种强有力的信号处理方法，由于其时频局部化的特点比较明显，因此，可以比较详细的得出图像变化的结果，有利于检测电机故障引起的异常图像，具有非常明显的优势。

在电机出现故障时，通常会造成电机的温度产生较大的变化。利用红外图像预处理技术，可以对电机的运行状况进行检测，结合小波包变换，可以实现电机温度变化的有效检测，可以准确呈现出电机温度的变化特征，然后经过简单的模式识别技术，就可以精确的诊断出电机的故障原因。

采用小波分析红外图像的方法进行分解处理，其中，低频图像的处理是经过直方图均衡化的方法实现的，而高频图像则需要以红外图像的具体特征为依据，有选择性的保留图像边缘特征信息，同时将其他的图像高频信息全部设置为零后，再结合小波反变换技术，将红外图像进行还原处理，才能够得到有效的红外图像边缘信息，进而获得电机故障点增强后的红外图像。如图1，是基于小波分析的电机故障检测算法。

经过一次小波变化的红外图像的频率分布图，可以利用二维矩阵的形式表现出来。如图2，是利用小波分析，经过一次小波变换后的频率分布图。假设一次小波变换后的图像矩阵的大小是N*N，其中N=2n（n是一个非负整数）。可以看出，经过一次小波变换后，原始的红外图像将被分解形成四个大小相等的子块，这些子块的频带区域尺寸是原始尺寸的四分之一。每个频带都是由相应的小波系数组成的，这种方法相当于同时在水平位置和竖直位置的方向上采取了隔点采样的处理方法。

3 红外图像的特征增强方法

红外成像技术是指对电机进行热状态分布检测，在此基础上，可以分析出电机的运行状态是否良好，这种方法可以快速直观的进行成像，并且可以远距离，不接触电机，可以在电机不停运的情况下，对设备的热状态进行红外成像。这种在电机运行状态下采集到的电机热状态和温度分布热像图，是电机的真实写照。同时，由于电机在运行情况下的热分布图像可以判断出电机的状态是否良好，是电机设备工作状态的重要特征依据，因此，利用红外成像技术可以准确的分析电机设备的运行状态，能够及时发现电极运行时存在的隐患问题。

在小波分析红外图像增强检测电机故障的算法中，要注意以下几个方面的问题：充分考虑红外图像中亮度最高的区域，针对此区域进行电机故障的检测，对图像的亮度阈值进行设定，能够减少图像变换的计算区域，提高检测算法的计算速度；小波分析红外图像的采集是在电机不停运的状态下进行的，不可避免的会引起红外摄像机的震动，会导致图像产生高频噪声，图像的边缘化处理可以有效去除高频噪声；为了使小波分析后重新构建的图像具有完整的信息，要对红外图像的边缘作膨胀处理。

4 电机故障检测的小波分析红外图像增强技术应用

在电机出现故障的情况下，红外摄像机采集到的图像是连续的，传统的图像处理方法是将背景进行减除，进而找出电机的故障点位置。背景图像的采集一般是在电机运行最稳定的状态下，进行若干帧实时红外图像的摄像，并将这些图像处理，在电机故障分析时采用的是处理后的平均图像，这种方法对于电机故障点的检测门限没有较高的要求，是基于视频图像的连续采集的特点，可以将电机运行中存在的故障较早的检测出来。还有一种方法是考虑到电机最稳定可靠运行时的图像与红外摄像机获得的当前图像的采集条件是完全不同的，利用最简单的背景建模技术，获得电机运行的背景图像，也就是当前运行条件下的若干帧图像的平均图像，这种方法非常快捷，但是不适用于渐变故障的检测。以上两种电机故障检测方法各有利弊，是传统的检测策略设计的算法。

本文中是将图像检测采取增强、滤波的处理手段，达到故障点检测的特征增强的作用，能够提高检测的精度和准确性。小波分析红外增强检测技术，是以增强红外图像边缘特征，可以很好的平滑图像的噪声，进一步达到图像去噪的目的，检测过程中，结合直方图均衡化处理方法增强红外图像的表面特征，最后能够实现电机故障点图像的增强效果，以便于检测出故障点，是一种非常方便的电机故障点检测方法。

采用不同尺度的小波基对图像进行一级小波分解，可以得到几乎一样的红外图像处理结构，这是由于红外图像的成像质量不好，信噪比较低，采集图像的高频信息大部分都是噪声。小波分析红外增强技术中保留下来的图像是边缘的HL频带高频信息，舍去其他高频信息，处理后的图像几乎是去除了高频信息的低频图像。所以，不同尺度的小波基对图像分解处理，所获得的低频图像基本上都没有产生变化。

5 结束语

综上所述，小波分析红外图像增强技术是电机故障诊断中的新技术，具有广泛的应用前景。基于小波分析的红外图像增强技术是将图像的边缘信号进行提取，将其他的高频信号舍弃，进而建立新的红外图像，不仅可以对红外图像进行去噪处理，还具有增强红外图像边缘的作用。这种技术在保留图像边缘特征的基础上，能够有效的去除红外图像的高频噪声，为电机的故障检测提供可靠的红外图像信息。

参考文献

[1]李宇光，刘明光.电机故障检测的小波分析红外图像增强[J].计算机工程与应用，2013.

[2]张昌凡，黄宜山，邵瑞.基于观测器的感应电机故障检测方法及应用[J].仪器仪表学报，2011.

[3]梁信信，孙立志，吴凤江，等.感应电机故障在线检测的研究综述及展望[J].微电机，2011.